Latex安装与模板

sudo apt-get install texlive-full
sudo apt-get install texlive-xetex
sudo apt-get install texlive-lang-chinese
sudo apt-get install texstudio
例子模板：
\renewcommand{\contentsname}{目录} %将content转为目录
\tableofcontents
%摘要开始部分
\begin{abstract}
安装latex方法
\end{abstract}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{2020-03-22：神经网络研究主要内容}
\begin{enumerate}
\item 神经网络结构设计：包括生成器设计和识别器网络设计。
\item 损失函数设计，无论是把识别器设置成什么样子，其实都算作是自己用神经网落实现一种“损失函数”而已。
\item 训练用的指标验证函数设计
\item 优化器设计。
\item 数据集合处理设计。
\item 训练方法设计。：包括训练结果的存储，验证指标的存储
\item 第三方数据的交叉测试方法设计。
\item 结果展示与部署设计

\end{enumerate}
\section{2020-03-22：工程管理}
\begin{enumerate}
\item 我有N台计算服务器，刚开始是分散管理，分别在各台服务器上编写代码，调试代码，时间长了，每台电脑上的代码都不一致，造成管理混乱，所以：最好只
在一台计算机熵编写并调试代码，待调试完毕后，上传到服务器上运行。代码要集中管理而不要分散管理。
\item 在神经网络训练实验中，我们往往需要编写多个模型文件，多个训练函数，相当于建立了许多“子工程”，但是，最好是他们使用相同的“配置文件”，包括路>径设置，指标验证函数，数据集设置等信息统一管理，避免由于“分散”管理带来的麻烦，尤其是版本不一致。即使在子工程种需要一些特殊的设置，也得纳入总体管理中，>总体可能不需要知道细节，但是要知道有这么回事。
\end{enumerate}

\section{2020-03-22：神经网络当损失函数}
\begin{enumerate}
\item D网络加上条件后效果未必好。
\item 神经网络当作“损失函数”的时候，比照纯数学的损失函数，缺乏“精确性、准确性”，只能达到“宽泛约束”的效果，类似于GAN网络那样。
\item 神经网络当作损失函数，只是适用于那些：无法用数学精确表达的场景中，一般识别器是“主要”使用（有的识别器起到多任务作用，不在此列）的标签是“>固定化的实数向量”。如果你有标签。就没必要用网络搭建损失函数了。
\end{enumerate}
\section{2020-03-22：什么时候使用生成模型}
\begin{enumerate}
\item 模型有两种：生成模型和推断模型，当我们数据量不够用的时候，可以考虑使用生成模型。
\item 要训练一个推断模型，要有足够数量的训练数据，但是，我们往往没那么多数据，因此，借助生成模型生成新书据，然后手动从中挑选一些质量好的样本作>为训练样本。
\item 概率中，当你要改变样本数据的分布的时候，往往需要生成模型。
\end{enumerate}

\end{document}